Pesquisador. Planejamento de Experimentos Design of Experiments - DOE NOÇÕES SOBRE EXPERIMENTOS FATORIAIS. 1 - Fixar T e variar P até > Pureza
|
|
- Lorenzo Arruda Caiado
- 6 Há anos
- Visualizações:
Transcrição
1 3 NOÇÕES SOBRE EXPERIMENTOS FATORIAIS Planeamento de Experimentos Design of Experiments - DOE Em primeiro lugar devemos definir o que é um experimento: Um experimento é um procedimento no qual alterações propositais são feitas nas variáveis de um processo, de modo que se possa avaliar as possíveis alterações sofridas pela variável resposta como também as razões destas alterações Quem faz DOE? Participam o pessoal da engenharia, P&D, laboratório, manutenção, qualidade, fábrica, gerência, clientes e pessoal operacional Cada pessoa envolvida no experimento tem de ter uma idéia clara do que se está estudando, sua importância, onde se quer chegar, como os dados serão coletados e qualitativamente, como serão analisados Pesquisador Otimizar a pureza (resposta) de um processo - Fixar T e variar P até > Pureza T, P (fatores) Quais os valores das variáveis que produzem o maior pureza? Sugestão: manter o processo sobre controle T=65 o C Experimentos do tipo Um-Fator-de-Cada-Vez - Manter P no valor ótimo e variar T até > Pureza Experimentos Fatoriais x Um-Fator-de-Cada-Vez P=4,3atm Experimento acabou e descobrimos os valores ótimos para maximização da Pureza! Certo ou Errado?
2 Análise de Superfície de Resposta Planeamento Experimental (ou Fatorial) Consiste num grupo de técnicas usadas para o estudo empírico das relações entre uma ou mais respostas medidas analiticamente e um número de variáveis de entradas que possam ser controladas A metodologia foi desenvolvida para Fatores ou variáveis F Respostas R estudos empíricos, mas tem se mostrado F R muito interessante nos estudos de simulação de processos F k Sistema R Analise dos efeitos R,, = f (F, F, F k ) Análise de sensibilidade Estabelecer uma função matemática que correlacione as variáveis estudadas em função da(s) resposta(s) determinada(s) Segundo Box et al (979) estas técnicas são usadas para elucidar as seguintes questões: como uma (ou mais) resposta(s) é (serão) afetada(s) sobre uma região de interesse por um dado conunto de variáveis de entrada (fatores) PROCESSO ESTATÍSTICA quais variáveis de entrada resultarão num produto dentro das especificações deseadas quais os valores das variáveis de entrada levarão a melhor resposta específica e como é a superfície de resposta próxima a este ponto BOM SENSO
3 Definir as variáveis a serem analisadas: composição temperatura agitação aeração tempo ANÁLISE DO PROCESSO Estabelecer as respostas deseadas: rendimento produtividade custo pureza textura Bom senso Planeamento experimental Fatorial completo Fracional Plackett Burman Verificação dos efeitos das variáveis Modelagem matemática ESTATÍSTICA Validação do modelo (ANOVA) Etapas que devem ser seguidas obetivando a otimização de um processo: Definir claramente quais são os obetivos a serem alcançados com os experimentos função obetivo Realize uma sessão de brainstorming para analisar profundamente o processo em estudo, envolvendo todas as pessoas que possam contribuir com a definição dos obetivos e pesquisador verificar as restrições do processo (se houver) determinar as respostas de interesse a serem analisadas Análise de superfície de resposta Faixas ótimas de operação Menor custo Menor tempo Maior precisão Melhor qualidade Elaborar o planeamento experimental ou fatorial levando em consideração todas as variáveis independentes definidas no ítem 3 Realizar os experimentos e obter as respostas 4 Elaborar o modelo das respostas (variáveis dependentes) em função das variáveis independentes 5 Verificar a validação do modelo (testes estatísticos) checar as respostas 6 Gerar as superfícies de resposta para análise 7 Definir as faixas ótimas operacionais de cada variável do processo 8 Realizar ensaios nas condições otimizadas antes de colocar o processo em escala industrial 9 Elaboração do Relatório Validação do Modelo Descreva claramente o trabalho realizado, utilizando gráficos e tabelas e minimize o uso da terminologia estatística desnecessária e expresse as informações do modo mais simples possível Planeamento Fatorial: onde: n n = número de variáveis = níveis a serem estudados (-, +) Obs: Níveis: Diferentes valores das variáveis que se desea estudar Ex: Variável temperatura (-) Nível inferior: 3 o C (+) Nível superior: 4 o C ( ) Nível intermediário (Ponto Central): 35 o C Assim: variáveis (T, C) = 4 ensaios 3 variáveis (T, C, Cat) 3 = 8 ensaios 4 variáveis (T, C, Cat, ) 4 = 6 ensaios : : : : variáveis (T,C,Cat,,) = 4 ensaios Genericamente: Portanto é necessário: uma boa definição dos níveis -, + prever a necessidade da definição de níveis -α, +α para obtenção de um modelo quadrático, caso o linear não apresente boa correlação Pontos Axiais (p/ modelo de a ordem) n α = 4 realizar ensaios no ponto central para determinação do erro experimental (erro puro) Verificar a reprodutibilidade dos ensaios a 3
4 Exemplo de Cálculo dos efeitos Fatores Repetições A () B (T) 3 Totais Médias Efeitos Temperatura x Temperatura Erro t Calc Fatores Efeitos p - valor Padrão 8 gl Estimativa por Intervalo (95%) L Inferior L Superior Média 3,5 5,34 43,36 <, 9,9 43,8-4,68-3, <, -65,6-6,38 Temperatura 9,68 7,89 <, 66,38 5,6 x Temp -3,68 -,,58-37,6,6 Temperatura p=,5 7,88879 Fatores Coeficientes do Modelo Erro Padrão t Calc 8 gl p - valor Estimativa por Intervalo (95%) L Inferior L Superior Constante 3,5 5,34 43,36 <, 9,9 43,8-7,5 5,34-3, <, -8,8-58,9-3,59 Temperatura 95,5 5,34 7,89 <, 83,9 7,8 x Temp -6,5 5,34 -,,58-8,8 5,8 Tx -,756 A descrição gráfica do modelo austado: Efeito padronizado (valor de t Calc ) Y = 3,5 7,5 + 95,5 T 6,5 T 4
5 ANOVA É POSSÍVEL CONFIAR NESTA SUPERFÍCIE? Fontes de variação GL SQ QM Fcalc p-valor Temperatura Impossível Impossível x T Resíduo Zero Zero Zero - - Total ? 3 4 Adição de pontos centrais A descrição gráfica do modelo austado: Y = 96,57 7,5 + 95,5 T 6,5 T Temperatura Atividade Fontes de variação GL SQ QM F p-valor ,5,8 Temperatura ,45,544 x T 69 69,4,8477 Resíduo 3 586,7 386,4 - - Total 6 687, Adição dos pontos axiais 3 4 V (rpm) - - C (%) α= ( n ) /4 neste caso α = ±,4 5
6 Adição de pontos axiais Temperatura Atividade ,4 3,4 5 -,4,4 3 Equação para duas variáveis: y = β + β x + β x + β x x + β x + x + e β E genericamente: y = β + β x + β i xi x + β ip x + e Para este estudo de caso: y ˆ = 49,95 65,4 x ,5 x + 46, x 8, 6 Estimativas por Intervalo (95%) Fatores Coeficientes Erro Padrão t Calc (3) p-valor L Inferior L Superior Média 49,95,49 3,5 <,,4 79,48-65,4 7,5-9,8 <, -83,5-47,9 Linear x Fontes de variação ANOVA GL SQ QM F p-valor (L) 34,88 34,88 86,6 (Q) 957, 957, 3,9 Temp (L) 5576, ,45 39,58 Temp (Q) 458,73 458,73,57, x Temp 69 69,43,54 Quadrático Temperatura Linear Temperatura Quadrático 46, 8,4 5,49 <, 4,59 67,8 83,5 7,5,8 <, 65,3,36 8,6 8,4 3,4, 6,98 5, Resíduo 5 98,6 396,3 - - Total 497, R = 98,% F,95; 5; 5 = 5,5 x Temp -6,5 9,95 -,65,54-3,8 9,8 ANOVA Fontes de variação GL SQ QM Fcal p-valor Regressão 5 97,48 585,5 Resíduo 5 98,6 396,3 Total 497,64 5, R = 98,% F,95; 5; 5 = 5,5 6
7 Exemplo de um planeamento 3 Obetivo: Aumentar o Rendimento de um processo Ensaio 3 Rendimento Média (7) 5 () 54, (9) 88 () 86, () 47 (5) 48, () 6 () 63, (3) 6 (5) 63, (6) 95 (6) 93, (4) 6 (3) 58, (8) 74 (4) 7, Cálculo dos Efeitos Principais e de Interação Ensaio () () (3) Média Efeito Efeito Efeito Efeito Efeito Efeito Efeito X X X3 Rend X X X3 XX XX3 XX3 XXX3 Y () () (3) () (3) (3) (3) , -54, -54, -54, +54, +54, +54, -54, ,5 +86,5-86,5-86,5-86,5-86,5 +86,5 +86, , -48, +48, -48, -48, +48, -48, +48, , +63, +63, -63, +63, -63, -63, -63, , -63, -63, +63, +63, -63, -63, +63, ,5 +93,5-93,5 +93,5-93,5 +93,5 +93,5-93, ,5-58,5 +58,5 +58,5-58,5-58,5 +58,5-58, , +7, +7, +7, +7, +7, +7, +7, Temperatura ( o C) Tipo de Catalisador 3 Concentração (M) Resultados: 8 Média Global = ( Y ) / 8 = 538,5 / 8 = 67,3 i i= Efeitos principais ([ X][ Y ]) / 4 = 95, / 4 =, 88 = ([ X ][ Y ]) / 4 = 55, 5 / 4 = 388, ([ X3][ Y ]) / 4 3 = 35, 5 / 4 = 8, 88 Efeitos de a ordem ([ X][ X][ Y ])/ 4 = 345, / 4= 863, = ([ X][ X3][ Y ])/ 4 3 = 35, / 4= 88, ([ X][ X3][ Y ])/ 4 3 = 35, / 4= 88, ESTIMATIVA DO ERRO: Variância da média de duas observações Erro padrão ^ V = S = di / N ( y ) substituindo: S 5, ^ N V efeito = = 8 ai xs / onde: a i = ± 4 ^ i= onde: N = 8 V efeito = (/6 + + /6) x(5,/ ) ^ V efeito = (8/6) x(5,/ ) =,3 = ( ) =, 3 =, ^ V =,3 Efeito de 3 a ordem = ([ X ][ X ][ X 3][ Y ]) / 4 3 =, 5 / 4 =, 3 Erro padrão Média Global = ^ V( efeito ) =,55 Efeito no Rendimento (%) 3 - Histograma dos Efeitos COMO ATINGIR AS CONDIÇÕES ÓTIMAS DE PROCESSO PARTINDO-SE DE UMA CONDIÇÃO BEM LONGE DO ÓTIMO? - Realizar um o planeamento ao redor das condições de operação - Verificar a influência das variáveis e o caminho das condições ótimas (pode ser sem planeamento) - 3 x x3 x3 xx3 Média xx3 3 x x 3 x 3 67,3,8-3,8 8,8-8,6 -,8,8,3 Efeito Desvio,55,,,,,,, Temperatura ( o C) Tipo de Catalisador 3 Concentração (M) 3 - Quando chegar perto da região ótima o Planeamento Modelo (ASR) Definição das faixas ótimas de operação 7
8 Resultados de um Planeamento com ponto central OBJETIVO: Maximizar o rendimento (y) de um processo Variáveis Independentes: x - Concentração de um reagente (%) x - Velocidade de agitação (rpm) Ensaio X X C (%) V (rpm) Y (%) V (rpm) C (%) Análise de Efeitos Efeito Desvio Padrão t(3) p Coef -95% Coef +95% Média () C (%)* ()v (rpm)* x * p<,5 Média () C (%)* ()v (rpm)* x * p<,5 Coeficientes de Regressão Coef de Desvio Regressão Padrão t(3) p Coef -95% Coef +95% ANOVA Efeitos no Rendimento (%) x Fonte de Soma N os de Média F cal Variação Quadrática Quadrática G L Regressão 8,5 9,5 66, Resíduos 5,5 4,38 F Auste,83,4 Erro Puro 4,67,34 TOTAL 88, 6 R = (% de variação explicada) =,985,97 R F,95 ;; 4 = 6,94 Caminho para o Ótimo Rend (%) v (rpm) C (%) v (rpm) Rend= 68, 5,5C + 4,5v Modelo de a ordem C (%) 8
9 Traetória de máxima inclinação Resultados do Planeamento com ponto central Ensaio X X C (%) V (rpm) Y (%) X X C (%) V (rpm) Y (%) -,8 45 8, 77 -,6 4 6, 86-3, , ,4 3 3, ,5 5 4, v (rpm) C (%) ANOVA Fonte de Soma N os de Média F calc Variação Quadrática Quadrática G L Regressão 6,5 3,5,75 Resíduos 7,93 4 7,73 F Auste 68,93 34,46 Erro Puro,, TOTAL 97,4 6 R =,7 (% de variação explicada) R =,5 F,95 ;; 4 = 6,94 Adição dos pontos Axiais Resultados do Planeamento com adição dos pontos axiais Ensaio X X C (%) V (rpm) Y (%) V (rpm) / / C (%) + / / α= ( n ) /4 neste caso α =,4 Coeficientes de Regressão Coef Desvio de Padrão Regres t(3) p Coef -95% Coef +95% Média C (%)*(L) () () C (%)*(Q) ()v (rpm)*(l) ()v (rpm)*(q) x * * p<,5 Análise de Variância para auste do modelo Rendimento (%) Fonte de Soma N os de Média Fcalc Variação Quadrática Quadrática G L Regressão 44,5 5 8,83 5,4 Resíduos,76 5,55 F Auste,76 3,5 v (rpm) Concentração (%) Erro Puro,, TOTAL 46,9 Rendimento (%) = 89, +,5 C,37 v,8 C,8 V +,75 C v R =,98 (% de variação explicada) R =,99 F,95 ;5; 5 = 5,5 9
10 Definição das faixas ótimas de trabalho COMPARAÇÃO DO USO DAS METODOLOGIAS: v (rpm) ESTUDO DE UMA VARIÁVEL POR VEZ VERSUS PLANEJAMENTO FATORIAL Concentração (%) (a) Um fator por vez (b) Matriz (combinação de todos fatores) (c) Delineamento composto central rotacional (DCCR) 9 5 Estudo de Caso AVALIAÇÃO DO EFEITO DO E TEMPERATURA NA ATIVIDADE DE UMA ENZIMA Augusto, A CS; Costa, FAA e Rodrigues, MI Laboratório de Engenharia de Bioprocessos FEA UNICAMP, Resumo Resultados e discussão As enzimas são muito utilizadas nas indústrias de alimentos, químicas, farmacêuticas e afins, com inúmeras aplicações As variáveis e temperatura afetam significativamente a atuação das enzimas no meio reacional a) Estudo de uma variável por vez ( ensaios): Ensaios a 4 o C a diferentes valores de Atividade Ensaios a 4, e diferentes valores de temperatura Temperatura ( o C) Atividade 3, , , , ,
11 3 Atividade 5 5 Atividade enzimática em função b) Estudo Fatorial (5 ensaios): T=3 o C T=4 o C T=5 o C T=6 o C T=7 o C 5,5 3,5 4,5 5,5 6,5 7,5 5 (a) (temperatura de 4 o C) 4 3 Atividade Ativ Ativ Ativ Ativ Ativ Temperatura ( o C) (b) da temperatura ( igual a 4,) Atividade Comportamento da atividade enzimática em diferentes e temperaturas ( o C) ,5 3,5 4,5 5,5 6,5 7, c) Estudo através do delineamento composto central rotacional ( ensaios): Ensaios T T ( o C) Atividade - - 3, , , , ,4 3, ,4 7, ,4 5, 3 3 8,4 5, , , 5 4 5, , 5 37 Atividade = 393,3 7,79 9, ,4 T 86,53 T 6,9 T Fonte de variação Soma de Quadrados Graus de liberdade Quadrado Médio F calc p-valor Atividade enzimática Regressão Resíduo ,5 Temperatura ( o C) 7 Total 6363 R = 95,5% F,95; 5; 6 = 4,4 (a) Superfície de resposta Temperatura ( C) (b) curvas de contorno para a atividade da inulinase
12 Conclusões Devido ao uso da metodologia do planeamento experimental, foi possível a realização de ensaios, ao invés dos 5 (análise univariável) para chegar as condições ótimas de temperatura e E se aumentarmos fator no planeamento? Quanto maior o número de variáveis a estudar, mais a técnica do planeamento experimental reduz o número de ensaios necessários, quando comparado a metodologia univariável (a) Um fator por vez (b) Matriz (combinação de todos fatores) (c) Delineamento composto central rotacional À medida que aumentamos o número de variáveis envolvidas num estudo, o número de ensaios aumenta drasticamente! N o Fatores Fatorial N o Ensaios O que fazer??? Screening Design
NOÇÕES SOBRE EXPERIMENTOS FATORIAIS
3 NOÇÕES SOBRE EXPERIMENTOS FATORIAIS Planejamento de Experimentos Design of Experiments - DOE Em primeiro lugar devemos definir o que é um experimento: Um experimento é um procedimento no qual alterações
Leia maisProf. Dr. Marcone Augusto Leal de Oliveira UFJF CURSO INTRODUTÓRIO DE 12 HORAS OFERECIDO PARA A PÓS-GRADUAÇÃO DA UFABC EM NOVEMBRO DE 2017
Prof. Dr. Marcone Augusto Leal de Oliveira UFJF CURSO INTRODUTÓRIO DE 2 HORAS OFERECIDO PARA A PÓS-GRADUAÇÃO DA UFABC EM NOVEMBRO DE 207 SUMÁRIO - BREVE DESCRIÇÃO, FUNDAMENTOS, CONCEITOS, CARACTERÍSTICAS,
Leia maisBibliografia Recomendada.
Bibliografia Recomendada http://paginapessoal.utfpr.edu.br/ebona Bibliografia Recomendada Montgomery, D. C. Design and Analysis of Experiments. Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.;
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares
Leia maisPlanejamento e Otimização de Experimentos Ajuste de Modelos de Regressão e Outros Planejamentos
Planejamento e Otimização de Experimentos Ajuste de Modelos de Regressão e Outros Planejamentos Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br anselmo.disciplinas@gmail.com.br Ajuste de modelos
Leia maisÀ medida que aumentamos o número de variáveis envolvidas num estudo, o número de ensaios aumenta drasticamente!
Screening Design À medida que aumentamos o número de variáveis envolvidas num estudo, o número de ensaios aumenta drasticamente! N o Fatores Fatorial N o Ensaios 2 2 2 4 3 2 3 8 4 2 4 16 5 2 5 32 6 2 6
Leia maisScreening Design. Estratégias. É utilizado para que o pesquisador não exclua de forma arbitrária as variáveis que possam ser. importantes no processo.
À medida que aumentamos o número de variáveis envolvidas num estudo, o número de ensaios aumenta drasticamente! N o Fatores Fatorial N o Ensaios Screening Design 3 3 1 5 5 3 7 7 1 5 9 9 51 1 1 1......
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares
Leia maisBibliografia Recomendada
Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.; Bruns, R. E. Como Fazer Experimentos. Montgomery, D. C. Design and Analysis of Experiments. Box, G. E. P.; Hunter, J. S.; Hunter, W. G. Statistics
Leia maisEstatística Experimental
Estatística Experimental Prof. Dr. Evandro Bona ebona@utfpr.edu.br paginapessoal.utfpr.edu.br/ebona Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.; Bruns, R. E. Como Fazer Experimentos. 4ª
Leia maisEM MICROBIOLOGIA. Lavras, maio de 2012
PLANEJAMENTO EXPERIMENTAL EM MICROBIOLOGIA Prof. Dr. Whasley Ferreira Duarte Lavras, maio de 2012 1 8 4 < 0,5 8 4 SUMÁRIO Planejamento experimental Definição de bioestatística O que são as técnicas de
Leia maisSUMÁRIO. 2 Tabelas 10
SUMÁRIO 1 Regressão na análise de variância 2 1.1 Polinômio Ortogonal................................ 2 1.1.1 Constraste Polinomial............................ 5 1.1.2 Regressão por polinômio ortogonal.....................
Leia maisDelineamento e Análise Experimental Aula 4
Aula 4 Castro Soares de Oliveira ANOVA Significativa Quando a aplicação da análise de variância conduz à rejeição da hipótese nula, temos evidência de que existem diferenças entre as médias populacionais.
Leia maisAnálise da Regressão. Prof. Dr. Alberto Franke (48)
Análise da Regressão Prof. Dr. Alberto Franke (48) 91471041 O que é Análise da Regressão? Análise da regressão é uma metodologia estatística que utiliza a relação entre duas ou mais variáveis quantitativas
Leia maisUTILIZAÇÃO DE UM DELINEAMENTO COMPOSTO CENTRAL ROTACIONAL PARA AVALIAÇÃO MICROBIOLÓGICA DE POLPAS DE AÇAÍ PASTEURIZADAS
UTILIZAÇÃO DE UM DELINEAMENTO COMPOSTO CENTRAL ROTACIONAL PARA AVALIAÇÃO MICROBIOLÓGICA DE POLPAS DE AÇAÍ PASTEURIZADAS R. A. MATTIETTO 1, V. M. MATTA 2 1 Embrapa Amazônia Oriental 2 Embrapa Agroindústria
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Regressão Polinomial e Análise da Variância Piracicaba Setembro 2014 Estatística Experimental 18 de Setembro de 2014 1 / 20 Vimos
Leia mais5 Parte experimental Validação analítica
58 5 Parte experimental Validação analítica A validação analítica busca, por meio de evidências objetivas, demonstrar que um método produz resultados confiáveis e adequados ao uso pretendido 40. Para isso,
Leia mais3- Projetos Fatoriais
3- Projetos Fatoriais Exemplo do que se faz na indústria: Uma empresa estava interessada em aumentar o teor de pureza de uma substância química. Os dois fatores mais importantes que influenciavam o teor
Leia maisRSM MÉTODO DA SUPERFÍCIE DE RESPOSTA
RSM MÉTODO DA SUPERFÍCIE DE RESPOSTA É UMA TÉCNICA ESTATÍSTICA MUITO ÚTIL PARA A MODELAÇÃO E ANÁLISE DE PROBLEMAS NOS QUAIS A (S) RESPOSTA (S) É INFLUENCIADA POR VÁRIAS VARIÁVEIS (FACTORES) E O GRANDE
Leia maisProjeto de Experimentos e Superfícies de Resposta (Design of Experiments DOE Response Surfaces - RS) (ENG03024-Análise de Sistemas Mecânicos)
UFRGS - Universidade Federal do Rio Grande do Sul EE - Escola de Engenharia DEMEC - Departamento de Engenharia Mecânica e Superfícies de Resposta (Design of Experiments DOE Response Surfaces - RS) (ENG0304-Análise
Leia maisDELINEAMENTO FATORIAL. Profª. Sheila Regina Oro
DELINEAMENTO FATORIAL Profª. Sheila Regina Oro Existem casos em que vários fatores devem ser estudados simultaneamente para que possam nos conduzir a resultados de interesse. Experimentos fatoriais: são
Leia maisPrincípios em Planejamento e Análise de Dados Ecológicos. Regressão linear. Camila de Toledo Castanho
Princípios em Planejamento e Análise de Dados Ecológicos Regressão linear Camila de Toledo Castanho 217 Conteúdo da aula 1. Regressão linear simples: quando usar 2. A reta de regressão linear 3. Teste
Leia maisSeleção de um Método Analítico. Validação e protocolos em análises químicas. Validação de Métodos Analíticos
Seleção de um Método Analítico Capítulo 1 SKOOG, D.A.; HOLLER, F.J.; NIEMAN, T.A. Princípios de Análise Instrumental. 5 a edição, Ed. Bookman, Porto Alegre, 2002. Validação e protocolos em análises químicas
Leia maisPLANEJAMENTOS FATORIAIS E SUPERFÍCIE DE RESPOSTAS
Delineamento de experimentos e ferramentas estatísticas aplicadas às ciências farmacêuticas Felipe Rebello Lourenço PLANEJAMENTOS FATORIAIS E SUPERFÍCIE DE RESPOSTAS PARTE 6 PLANEJAMENTOS FATORIAIS E SUPERFÍCIE
Leia maisCorrelação e Regressão
Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe
Leia maisRegressão. PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei
Regressão PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei Regressão Introdução Analisar a relação entre duas variáveis (x,y) através da equação (equação de regressão) e do gráfico
Leia maisEsquema Fatorial. Lucas Santana da Cunha Universidade Estadual de Londrina
Esquema Fatorial Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 22 de junho de 2016 Muitos experimentos envolvem o estudo dos efeitos
Leia maisIntrodução. São duas técnicas estreitamente relacionadas, que visa estimar uma relação que possa existir entre duas variáveis na população.
UNIVERSIDADE FEDERAL DA PARAÍBA Correlação e Regressão Luiz Medeiros de Araujo Lima Filho Departamento de Estatística Introdução São duas técnicas estreitamente relacionadas, que visa estimar uma relação
Leia maisMINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Profª Railene Hérica Carlos Rocha 1. Introdução
Leia maisPlanejamento de Experimentos
Planejamento de Experimentos 1 6.4 Os Modelos fatoriais 2 k : o caso geral. O modelo estatístico para um plano 2 k inclui k ( k 2 ( k ) ) efeitos principais efeitos de interação de ordem 2 efeitos de interação
Leia maisPlanejamento de Experimentos
Planejamento de Experimentos 6. Os Modelos fatoriais 2 k Trataremos agora de um caso especial de experimentos fatoriais no qual todos os fatores têm apenas dois níveis. Tais níveis podem ser quantitativos
Leia maisOTIMIZAÇÃO DA PRODUÇÃO DE GOMA XANTANA À PARTIR DE SORO DE LEITE
1 a 4 de setembro de 215 OTIMIZAÇÃO DA PRODUÇÃO DE GOMA XANTANA À PARTIR DE SORO DE LEITE Wisnner M. D. Conceição 1 e Enio N. Oliveira Junior 2 1 Universidade Federal de São João Del Rei, UFSJ/CAP, graduando
Leia maisDelineamento em Quadrado Latino (DQL)
Delineamento em Quadrado Latino () Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 14 de março de 2019 Londrina Na Seção anterior introduziu-se o delineamento em blocos ao acaso como um delineamento
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br TESTES PARA COMPARAÇÃO DE MÉDIAS O teste F permite tirar conclusões muito gerais relacionadas com os
Leia maisPlanejamento e Otimização de Experimentos Métodos de Superfície de Resposta
Planejamento e Otimização de Experimentos Métodos de Superfície de Resposta Prof. Dr. Anselmo E de Oliveira www.quimica.ufg.br/docentes/anselmo elcana@quimica.ufg.br Visão geral técnicas matemáticas estatísticas
Leia maisVariável dependente Variável independente Coeficiente de regressão Relação causa-efeito
Unidade IV - Regressão Regressões Lineares Modelo de Regressão Linear Simples Terminologia Variável dependente Variável independente Coeficiente de regressão Relação causa-efeito Regressão correlação Diferença
Leia maisQuestão 1: Questão 2: Defina tratamentos, fator, nível, parcela, subparcela, coeficiente de variação e interação entre fatores.
MINISTÉRIO DA EDUCAÇÃO CENTRO DE CIÊNCIAS E TECNOLOGIA AGROALIMENTAR DISCIPLINA: ESTATÍSTICA EXPERIMENTAL LISTA DE EXERCÍCIOS 3 a AVALIAÇÃO PROFESSOR: ROBERTO QUEIROGA Questão 1: Faça um croqui (disposição
Leia maisDELINEAMENTO EM BLOCOS CASUALIZADOS COM REPETIÇÕES. Profª. Sheila Regina Oro
DELINEAMENTO EM BLOCOS CASUALIZADOS COM REPETIÇÕES Profª. Sheila Regina Oro Delineamento em Blocos Casualizados com Repetições (DBCr) Utilizado quando temos mais de uma repetição de cada tratamento dentro
Leia maisCIRCULAR TÉCNICA N o 176 JANEIRO UM ENSAIO FATORIAL DE ESPÉCIES E ADUBAÇÕES DE Eucalyptus
ISSN -45 CIRCULAR TÉCNICA N o 76 JANEIRO 99 UM ENSAIO FATORIAL DE ESPÉCIES E ADUBAÇÕES DE Eucalyptus Introdução Frederico Pimentel Gomes * Carlos Henrique Garcia ** Os ensaios fatoriais apresentam, em
Leia maisUSO DE PLANEJAMENTO COMPOSTO CENTRAL NA AVALIAÇÃO DAS VARIÁVEIS TEMPERAURA E CONCENTRAÇÃO DE SOLVENTES NO ESTUDO DA SOLUBILIDADE DA UREIA
USO DE PLANEJAMENTO COMPOSTO CENTRAL NA AVALIAÇÃO DAS VARIÁVEIS TEMPERAURA E CONCENTRAÇÃO DE SOLVENTES NO ESTUDO DA SOLUBILIDADE DA UREIA F. M. A. S. COSTA 1, A. P. SILVA 1, M. R. FRANCO JÚNIOR 1 e R.
Leia maisExperimentos Fatoriais
Experimentos Fatoriais Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 14 de março de 2019 Londrina Nos experimentos mais simples comparamos níveis (tratamentos) de apenas um fator; Nos experimentos
Leia maisPlanejamento de Misturas
Na maioria dos planejamentos os níveis dos fatores são independentes. As propriedades de uma mistura são determinadas pelas proporções de seus ingredientes, e não por valores absolutos. Planejamento de
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisProjeto de Experimentos
Projeto de Experimentos O uso de Projeto de Experimentos conduz a uma seqüência estruturada de ensaios, que assegura o máximo de informação com um gasto mínimo de tempo/dinheiro. Entrada Processo Saída
Leia maisEsquema Fatorial. Esquema Fatorial. Lucas Santana da Cunha 06 de outubro de 2018 Londrina
Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 06 de outubro de 2018 Londrina Nos experimentos mais simples comparamos níveis (tratamentos) de apenas um fator; Nos experimentos mais simples comparamos
Leia maisaula ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES
ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES 18 aula META Fazer com que o aluno seja capaz de realizar os procedimentos existentes para a avaliação da qualidade dos ajustes aos modelos. OBJETIVOS Ao final
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 8 PROJETOS DE EXPERIMENTOS - ANOVA
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 8 PROJETOS DE EXPERIMENTOS - ANOVA PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Projetos de Experimentos Terminologia Passos de implementação Princípios
Leia maisRegressão linear simples
Regressão linear simples Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução Foi visto na aula anterior que o coeficiente de correlação de Pearson é utilizado para mensurar o grau de associação
Leia maisModelos de Regressão Linear Simples parte I
Modelos de Regressão Linear Simples parte I Erica Castilho Rodrigues 27 de Setembro de 2017 1 2 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir modelos
Leia maisPlanejamento de Misturas
Na maioria dos planejamentos os níveis dos fatores são independentes. As propriedades de uma mistura são determinadas pelas proporções de seus ingredientes, e não por valores absolutos. Planejamento de
Leia maisBibliografia Recomendada. Cornell, J. A. A Primer on Experiments with Mixtures.
Bibliografia Recomendada Cornell, J. A. A Primer on Experiments with Mixtures. Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.; Bruns, R. E. Como Fazer Experimentos. Bibliografia Recomendada
Leia maisAvaliação de Desempenho de Sistemas Discretos
Avaliação de Desempenho de Sistemas Discretos Probabilidade Professor: Reinaldo Gomes reinaldo@dsc.ufcg.edu.br Planejamento Experimental 2 fatores manipuláveis x 1 x 2 x p entradas Processo...... saídas
Leia mais25 a 30 de novembro de 2013
em em Introdução à Programa de Pós-Graduação em Estatística e Experimentação Agronômica ESALQ/USP 25 a 30 de novembro de 2013 Parte 3 - Conteúdo em em 1 em 2 em em em Permite estudar como uma (simples)
Leia maisUSO DE DELINEAMENTO EXPERIMENTAL PARA A ANÁLISE DA EFICIÊNCIA DE ADSORÇÃO COM BASE NA PRODUÇÃO E ENSAIO DE ADSORÇÃO DO CARVÃO ATIVADO
USO DE DELINEAMENTO EXPERIMENTAL PARA A ANÁLISE DA EFICIÊNCIA DE ADSORÇÃO COM BASE NA PRODUÇÃO E ENSAIO DE ADSORÇÃO DO CARVÃO ATIVADO Bruno Capiche Ladeira (brunocapiche@hotmail.com) Aluno de graduação
Leia mais4 Parte experimental Desenvolvimento do Método
35 4 Parte experimental Desenvolvimento do Método O vanádio por suas características e baixos níveis no soro levou os experimentos a condições extremas. Conseqüentemente, foram obtidos resultados com maiores
Leia maisaula PLANEJAMENTO FATORIAL 2 2 META OBJETIVOS PRÉ-REQUISITOS
PLANEJAMENTO FATORIAL 2 2 10 aula META apresentar ao aluno aspectos fundamentais dos planejamentos fatoriais através da exemplificação com um planejamento 2 2. OBJETIVOS Ao final desta aula, o aluno deverá:
Leia maisDPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 20 Introdução à otimização experimental e experimentos de um fator DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Projetos de Experimentos
Leia maisQUÍMICA ANALÍTICA V 2S Prof. Rafael Sousa. Notas de aula:
QUÍMICA ANALÍTICA V 2S 2011 Aulas 1 e 2 Estatística Aplicada à Química Analítica Prof. Rafael Sousa Departamento de Química - ICE rafael.arromba@ufjf.edu.br Notas de aula: www.ufjf/baccan Discussão dos
Leia maisAPLICAÇÃO DE PROJETO DE EXPERIMENTOS PARA A OTIMIZAÇÃO DE UM PROCESSO DE USINAGEM EM TORNO CNC
XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Maturidade e desafios da Engenharia de Produção: competitividade das empresas, condições de trabalho, meio ambiente. São Carlos, SP, Brasil, 1 a15 de outubro
Leia maisPOLINÔMIOS ORTOGONAIS
POLINÔMIOS ORTOGONAIS Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 13 de julho de 2016 Introdução A variável analisada na análise de
Leia maisESQUEMA FATORIAL. Lucas Santana da Cunha Universidade Estadual de Londrina Departamento de Estatística
ESQUEMA FATORIAL Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 22 de julho de 2017 Esquema Fatorial Nos experimentos mais simples
Leia maisREGRESSÃO E CORRELAÇÃO
REGRESSÃO E CORRELAÇÃO A interpretação moderna da regressão A análise de regressão diz respeito ao estudo da dependência de uma variável, a variável dependente, em relação a uma ou mais variáveis explanatórias,
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Leia maisAnálise de Processos ENG 514
Análise de Processos ENG 514 Capítulo 1 Introdução à Modelagem de Processos Prof. Édler Lins de Albuquerque Outubro de 2013 1 Considerações Iniciais Processos e Sistemas da Engenharia Química são Complexos
Leia maisModelos de Regressão Linear Simples - parte I
Modelos de Regressão Linear Simples - parte I Erica Castilho Rodrigues 19 de Agosto de 2014 Introdução 3 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir
Leia maisEXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br CARACTERIZAÇÃO o Em alguns experimentos pode-se ter fatores que estão interferindo na variável resposta,
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia mais1. INTRODUÇÃO AO PLANEJAMENTO DE EXPERIMENTOS
1. INTRODUÇÃO AO PLANEJAMENTO DE EXPERIMENTOS A metodologia conhecida como projeto de experimentos foi introduzida por Fischer em 1935 e inicialmente aplicada a experimentos de agricultura. Posteriormente,
Leia maisModelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
Leia maisTécnicas Experimentais Aplicadas à Zootecnia UNIDADE 1. NOÇÕES DE PLANEJAMENTO EXPERIMENTAL
Técnicas Experimentais Aplicadas à Zootecnia UNIDADE 1. NOÇÕES DE PLANEJAMENTO EXPERIMENTAL Experimentos (testes) são realizados por pesquisadores em todos os campos de investigação, usualmente para descobrir
Leia maisEstudo Comparativo de Aproximações para Redes de Filas de Manufatura utilizando Planejamento de Experimentos
1 Estudo Comparativo de Aproximações para Redes de Filas de Manufatura utilizando Planeamento de Experimentos José Eduardo Vieira Camorim Reinaldo Morabito Departamento de Engenharia de Produção Universidade
Leia maisAnálise de Regressão - parte I
16 de Outubro de 2012 Introdução Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir modelos para dados coletados. Entender como método de mínimos é usado
Leia maisPlanejamento da pesquisa científica: incerteza e estatística. Edilson Batista de Oliveira Embrapa Florestas
Planejamento da pesquisa científica: incerteza e estatística Edilson Batista de Oliveira Embrapa Florestas Pesquisa em laboratórios na Embrapa Anos 70 Anos 80 Anos 90 Século 21 Precisão em Laboratórios:
Leia mais9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla
9 Correlação e Regressão 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla 1 9-1 Aspectos Gerais Dados Emparelhados há uma relação? se há, qual
Leia maisMINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE IV
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE IV TESTES DE COMPARAÇÕES MÚLTIPLAS DE MÉDIAS EXPERIMENTAIS Profª Railene Hérica Carlos
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia maisAnálise de Regressão EST036
Análise de Regressão EST036 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Regressão sem intercepto; Formas alternativas do modelo de regressão Regressão sem
Leia maisEdenir Rodrigues Pereira Filho
Edenir Rodrigues Pereira Filho Professor Adjunto DQ-UFSCar Contatos 27/03/13 e-mail: erpf@uol.com.br ou erpf@ufscar.br Home page: http://www.ufscar.br/dq-gaia Experiência Profissional (1) Espectroanálise
Leia maisContabilometria. Aula 9 Regressão Linear Inferências e Grau de Ajustamento
Contabilometria Aula 9 Regressão Linear Inferências e Grau de Ajustamento Interpretação do Intercepto e da Inclinação b 0 é o valor estimado da média de Y quando o valor de X é zero b 1 é a mudança estimada
Leia maisEfeito Matriz Comparando-se Inclinação das Curvas
Título do Eixo Avaliação da Seletividade do Método Abs_Concentração Abs_Concentração Matriz Água Concentração Calculada Concentração Teórica Concentração Recuperado Concentração Teórica Concentração Recuperado
Leia maisCOMPARAÇÕES MÚLTIPLAS
ESCOLA SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ COMPARAÇÕES MÚLTIPLAS Josiane Rodrigues Lilian Emerick Fernandes 2009 INTRODUÇÃO Comparação entre médias de tratamentos ou dos níveis de um fator de tratamentos;
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) EXPERIMENTOS COM DOIS FATORES E O PLANEJAMENTO FATORIAL
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) EXPERIMENTOS COM DOIS FATORES E O PLANEJAMENTO FATORIAL Dr Sivaldo Leite Correia CONCEITOS E DEFINIÇÕES FUNDAMENTAIS Muitos experimentos são realizados visando
Leia maisREGRESSÃO LINEAR SIMPLES E MÚLTIPLA
REGRESSÃO LINEAR SIMPLES E MÚLTIPLA Curso: Agronomia Matéria: Metodologia e Estatística Experimental Docente: José Cláudio Faria Discente: Michelle Alcântara e João Nascimento UNIVERSIDADE ESTADUAL DE
Leia maisaula PLANEJAMENTO FATORIAL 2 3 META OBJETIVOS PRÉ-REQUISITOS
PLANEJAMENTO FATORIAL 2 3 12 aula META Mostrar aos alunos que os planejamentos fatoriais podem ser expandidos com respeito ao número de fatores OBJETIVOS Ao final desta aula, o aluno deverá: elaborar um
Leia maisà Avaliação Operacional
EA-01: Introdução à Avaliação Operacional Objetivo Que a audiência se familiarize com o conceito de delineamentos fatoriais completos. Principais razões para usar delineamentos fatoriais Delineamentos
Leia maisAnálise de Regressão
Análise de Regressão Nos planejamentos fatoriais os fatores são estudados em dois níveis. Modelo Linear MAIS INFORMAÇÕES!!! Níveis Intermediários Planejamentos Fatoriais com dois níveis são uma etapa inicial!!!
Leia maisINFLUÊNCIA DO PH E TEMPERATURA NA ATIVIDADE ENZIMÁTICA
INFLUÊNCIA DO PH E TEMPERATURA NA ATIVIDADE ENZIMÁTICA DA ENZIMA ALFA-ACETOLACTATO DECARBOXILASE: DETERMINAÇÃO DE CONDIÇÕES ÓTIMAS UTILIZANDO PLANEJAMENTO EXEPRIMENTAL J. B. M. ROCHA NETO 1, A. S. PEREIRA
Leia maisi j i i Y X X X i j i i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
Leia maisTópicos Extras 1ª parte. Testes Não Paramétricos, Análise Multivariada, Outras Técnicas
Tópicos Extras 1ª parte Testes Não Paramétricos, Análise Multivariada, Outras Técnicas 1 2 Técnicas de dependência 3 4 Situações Comparar 3 tipos de rede de computadores, C1, C2 e C3, em termos do tempo
Leia maisExperimentos em Parcelas Subdivididas
Experimentos em Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 08 de novembro de 2018 Londrina Tal como no caso de fatorial, o termo parcelas subdivididas não se refere a um tipo de delineamento
Leia mais1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27
Prefácio, xiii 1 Que é Estatística?, 1 1.1 Introdução, 1 1.2 Desenvolvimento da estatística, 1 1.2.1 Estatística descritiva, 2 1.2.2 Estatística inferencial, 2 1.3 Sobre os softwares estatísticos, 2 1.4
Leia maisEXPERIMENTAÇÃO AGRÍCOLA
EXPERIMENTAÇÃO AGRÍCOLA DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) Eng. Agrônomo: Francisco Bruno Ferreira de Sousa Bruno.uno2011@hotmail.com/ fbfsagro@gmail.com Contato: (99) 99199460 Objetivos: Estudar
Leia maisValidação de Métodos Analíticos
METROALIMENTOS Validação de Métodos Analíticos São Paulo, 25 de setembro de 2008 1 Validação (NBR ISO IEC 17025 item 5.4.5.1) É a confirmação por fornecimento de evidência objetiva, que os requisitos específicos
Leia maisEsquema de distribuição dos tratamentos: Fatorial; Parcelas subdivididas.
Esquema de distribuição dos tratamentos: Fatorial; Parcelas subdivididas. 1 Experimento em esquema de parcelas subdivididas Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar Experimentos em
Leia mais6 Exemplos de Aplicação
6 Exemplos de Aplicação Neste capítulo serão apresentados quatro exemplos numéricos a fim de tornar claros os procedimentos dos capítulos anteriores. O primeiro exemplo ilustra a avaliação das incertezas
Leia maisQuímica Geral e Inorgânica. QGI0001 Eng a. de Produção e Sistemas Prof a. Dr a. Carla Dalmolin. Cinética Química
Química Geral e Inorgânica QGI0001 Eng a. de Produção e Sistemas Prof a. Dr a. Carla Dalmolin Cinética Química Cinética Química É a área da química que está preocupada com a velocidade das reações químicas.
Leia maisPlanejamento de Experimentos
Planejamento de Experimentos Exercício 6.17 Um pesquisador rodou uma única replicação de um plano 2 4, tendo obtido as seguintes estimativas dos efeitos: A = 76, 95, B = 67, 52, C = 7, 84 e D = 18, 73
Leia maisDELINEAMENTO EM QUADRADO LATINO (DQL)
DQL DELINEAMENTO EM QUADRADO LATINO (DQL) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 08 de julho de 2017 DQL Na Seção anterior
Leia maisPREVISÃO. Prever o que irá. acontecer. boas decisões com impacto no futuro. Informação disponível. -quantitativa: dados.
PREVISÃO O problema: usar a informação disponível para tomar boas decisões com impacto no futuro Informação disponível -qualitativa Prever o que irá acontecer -quantitativa: dados t DEI/FCTUC/PGP/00 1
Leia mais